Введение
Глубокое обучение — это сложная форма машинного обучения, которая имитирует то, как учится мозг человека.
В человеческом мозге есть нервные клетки, называемые нейронами, которые связаны друг с другом нервными удлинителями, передающими электрохимические сигналы по сети.
При стимуляции первого нейрона в сети идет обработка входного сигнала, и, если он превышает определенный порог, нейрон активируется и передает сигнал нейронам, с которыми он связан. Эти нейроны, в свою очередь, также активируются и передают сигнал через оставшуюся часть сети. Со временем связи между нейронами усиливаются за счет их частого использования по мере того, как человек учится эффективно реагировать на сигналы. Например, если кто-то бросает вам мяч, нейронные связи позволяют обработать визуальную информацию и скоординировать движения так, чтобы поймать мяч. При регулярном выполнении этого действия сеть нейронов, участвующих в ловле мяча, будет укрепляться по мере совершенствования навыка.
Глубокое обучение эмулирует этот биологический процесс с помощью искусственных нейронных сетей, которые обрабатывают числовые входные данные, а не электрохимические стимулы.
Входящие нервные связи заменяются числовыми значениями, которые обычно обозначаются как x. При наличии нескольких входных значений x считается вектором с элементами, имеющими имена x1, x2 и т. д.
С каждым значением x связано значение веса (w), которое используется для усиления или ослабления действия значения x для моделирования обучения. Кроме того, для обеспечения более точного контроля над сетью добавляются входные данные смещения (b). В процессе обучения значения w и b корректируются для настройки сети таким образом, чтобы она "училась" выдавать правильные выходные данные.
Сам нейрон инкапсулирует функцию, которая вычисляет взвешенную сумму значений x, w и b. В свою очередь, эта функция, заключена в функцию активации, которая ограничивает результат (часто значением от 0 до 1), чтобы определить, передает ли нейрон выходные данные в следующий слой нейронов в сети.